Deteksi Serangan Spoofing Pada Citra Wajah menggunakan Ekstraksi Ciri Local Derivative Pattern

Pada penelitian ini, diusulkan sistem pendeteksi serangan spoofing pada citra wajah manusia menggunakan metode ekstraksi ciri Local Derivative Pattern (LDP). Metode klasifikasi yang digunakan adalah k-Nearest Neighbour (k-NN) dan Support Vector Machine (SVM). Penelitian ini menggunakan NUAA Imposter and Photograph Database sebagai datasetnya. Parameter optimal untuk ekstraksi ciri menggunakan LDP, adalah sebagai berikut: LDP orde ke-2 dengan radius bernilai 5 yang bersifat overlapping non-uniform menggunakan algoritma klasifikasi SVM dengan kernel Radial Basis Function. Performansi terbaik didapatkan menggunakan F1-Score sebesar 99.8%. Pola uniform pada LDP mempercepat waktu komputasi dengan rata-rata 2.09 detik, sedangkan waktu komputasi pola non-uniform yaitu 5.49 detik.

Download Full-text

Combining support vector machine with radial basis function kernel and information gain for sentiment analysis of movie reviews

Journal of Physics Conference Series ◽

10.1088/1742-6596/1918/4/042157 ◽

2021 ◽

Vol 1918 (4) ◽

pp. 042157

Author(s):

Z Abidin ◽

W Destian ◽

R Umer

Keyword(s):

Support Vector Machine ◽

Radial Basis Function ◽

Sentiment Analysis ◽

Basis Function ◽

Information Gain ◽

Support Vector ◽

Radial Basis Function Kernel ◽

Radial Basis

Download Full-text

Binary glioma grading framework employing locality preserving projections and Gaussian radial basis function support vector machine

International Journal of Imaging Systems and Technology ◽

10.1002/ima.22615 ◽

2021 ◽

Author(s):

Rahul Singh ◽

Aditya Goel ◽

Deepak Kumar Raghuvanshi

Keyword(s):

Support Vector Machine ◽

Radial Basis Function ◽

Basis Function ◽

Support Vector ◽

Locality Preserving Projections ◽

Locality Preserving ◽

Glioma Grading ◽

Radial Basis

Download Full-text

Random Radial Basis Function Kernel-based Support Vector Machine

Journal of the Franklin Institute ◽

10.1016/j.jfranklin.2021.10.005 ◽

2021 ◽

Author(s):

Xiaojian Ding ◽

Jian Liu ◽

Fan Yang ◽

Jie Cao

Keyword(s):

Support Vector Machine ◽

Radial Basis Function ◽

Basis Function ◽

Support Vector ◽

Radial Basis Function Kernel ◽

Radial Basis

Download Full-text

Distance relaying for transmission line using support vector machine and radial basis function neural network

International Journal of Electrical Power & Energy Systems ◽

10.1016/j.ijepes.2007.01.007 ◽

2007 ◽

Vol 29 (7) ◽

pp. 551-556 ◽

Cited By ~ 30

Author(s):

S.R. Samantaray ◽

P.K. Dash ◽

G. Panda

Keyword(s):

Neural Network ◽

Support Vector Machine ◽

Transmission Line ◽

Radial Basis Function ◽

Basis Function ◽

Support Vector ◽

Radial Basis ◽

Distance Relaying

Download Full-text

Petrographic image classification using optimized Radial Basis Function Support Vector Machine & validation of its asymptotic behavior

2016 IEEE International Conference on Signal Processing, Communications and Computing (ICSPCC) ◽

10.1109/icspcc.2016.7753703 ◽

2016 ◽

Cited By ~ 2

Author(s):

Ashutosh S. Marathe ◽

Vibha Vyas ◽

Madhavi Chavhan

Keyword(s):

Support Vector Machine ◽

Asymptotic Behavior ◽

Radial Basis Function ◽

Image Classification ◽

Basis Function ◽

Support Vector ◽

Radial Basis

Download Full-text

Collapse susceptibility assessment using a support vector machine compared with back-propagation and radial basis function neural networks

Geomatics Natural Hazards and Risk ◽

10.1080/19475705.2020.1734101 ◽

2020 ◽

Vol 11 (1) ◽

pp. 510-534

Author(s):

Yuanyao Li ◽

Yifan Sheng ◽

Bo Chai ◽

Wei Zhang ◽

Taili Zhang ◽

...

Keyword(s):

Neural Networks ◽

Support Vector Machine ◽

Radial Basis Function ◽

Basis Function ◽

Back Propagation ◽

Support Vector ◽

Susceptibility Assessment ◽

Radial Basis

Download Full-text

A Novel Hybrid Feature Selection Model for Classification of Neuromuscular Dystrophies Using Bhattacharyya Coefficient, Genetic Algorithm and Radial Basis Function Based Support Vector Machine

Interdisciplinary Sciences Computational Life Sciences ◽

10.1007/s12539-016-0183-6 ◽

2016 ◽

Vol 10 (2) ◽

pp. 244-250

Author(s):

Divya Anand ◽

Babita Pandey ◽

Devendra K. Pandey

Keyword(s):

Genetic Algorithm ◽

Support Vector Machine ◽

Feature Selection ◽

Radial Basis Function ◽

Basis Function ◽

Selection Model ◽

Support Vector ◽

Bhattacharyya Coefficient ◽

Radial Basis

Download Full-text

Traffic Anomaly Classification by Support Vector Machine with Radial Basis Function on Chula-SSS Urban Road Network

Proceedings of 2019 the 9th International Workshop on Computer Science and Engineering ◽

10.18178/wcse.2019.03.013 ◽

2019 ◽

Keyword(s):

Support Vector Machine ◽

Radial Basis Function ◽

Basis Function ◽

Road Network ◽

Support Vector ◽

Urban Road Network ◽

Urban Road ◽

Radial Basis ◽

Anomaly Classification ◽

Traffic Anomaly

Download Full-text

Analisis dan Implementasi Metode Gabor Filter dan Support Vector Machine pada Klasifikasi Sidik Jari

Indonesian Journal on Computing (Indo-JC) ◽

10.21108/indojc.2017.2.2.176 ◽

2017 ◽

Vol 2 (2) ◽

pp. 37

Author(s):

Intan Raharni Wijaya

Keyword(s):

Support Vector Machine ◽

Radial Basis Function ◽

Basis Function ◽

Gabor Filter ◽

Support Vector ◽

Kernel Trick ◽

Radial Basis ◽

Svm Multiclass

Pengolahan citra digital semakin diminati, salah satunya pada sistem biometrik. Sistem biometrik merupakan sistem dalam pengenalan berdasarkan pola atau ciri khusus yang dimiliki makhluk hidup terutama manusia. Jenis identifikasi biometrik yang umum digunakan adalah pengenalan sidik jari. Sidik jari banyak digunakan dalam kehidupan sehari-hari selama lebih dari 100 tahun karena penerimaan yang tinggi, permanen, akurat, dan keunikan. Kelebihan sidik jari tersebut disebabkan oleh minutiae yang merupakan garis atau guratan pada sidik jari yang berbeda-beda setiap individu. Klasifikasi sidik jari secara umum terbagi menjadi dua tahap yakni ekstraksi fitur serta klasifikasi fitur. <br /> <br /> Ektraksi fitur dapat dilakukan dengan cara filter seperti gabor filter dengan empat sudut orientasi yang berkisar 0, 45, 90 dan 135 derajat. Hasil dari ekstraksi ciri akan klasifikasi dengan tujutan identifikasi. Metode Support Vector Machine (SVM) dapat digunakan sebagai classifier untuk sistem biometrik sidik jari. SVM memiliki kernel trick yang berpengaruh pada akurasi yang dihasilkan. Digunakan SVM multiclass metode one-against-all dalam klasfikasi sidik jari untuk 25 kelas. Akurasi terbesar diperoleh oleh kernel Radial Basis Function (RBF) sebesar 73% untuk data awal dan 76% untuk penambahan data augmentasi

Download Full-text